Алга Лехай, алга Казахстан! 🦅 🇰🇿

https://www2.lehigh.edu/news/lehigh-and-kazakh-universities-team-up-for-sustainable-impact

Давно не писал посты – был довольно напряжный, но продуктивный семестр. А пока я готовлю пост, подпишитесь на Чину: https://www.tgoop.com/nesummer88.
Он пишет куда чаще посты про Лехай и жизнь в Штатах

Закончился очередной семестр в универе (уже пятый), и пора подводить итоги/делиться новостями, поскольку я давно сюда ничего не писал.

В целом, этот семестр был самым продуктивным периодом за годы обучения в Lehigh.

Буду идти по порядку ниже.

Всё началось с того, что я получил offer в Amazon, а точнее Amazon Web Services в конце августа. Я был безгранично рад, так как шёл к этому очень долго. На момент получения оффера я уже подал в 80+ компаний на лето 2023.

Я думаю это событие очень хорошо повлияло на мою мотивацию и зарядило меня на весь последующий семестр. Я понял, что весь труд оправдывается, и для больших вещей в жизни нужны постепенные шаги. Но несмотря на это даже маленькая деталь и немного удачи может дать тот самый толчок на заветный результат.

После получения оффера я более менее расслабился, и поэтому мог обращать внимание на классы и своё здоровье. Классы, которые я брал в этом семестре были не из самых легких - по сути самые сложные которые я когда либо брал.

Я взял 5 CS курсов, 1 бизнес курс и 1 курс по журналистике (всего 1 кредит за позицию data editor). CS курсы которые я брал – это Design and Analysis of Algorithms (CSE 340), Software Engineering (CSE 216), Fundamentals of Machine Learning (CSE 326), Computer Vision (CSE 398), Blockchain Algorithms & Applications (CSE 242). Бизнес курс который я брал был Legal Environment of Business (LAW 201).

Обычно такой workload на 19 кредитов не берут, в особенности с таким большим количеством CS курсов. Но у меня была идея взять их как можно больше, чтобы набраться знаний к стажировке летом, и «почувствовать себя настоящим CS major».

Спойлер: я почувствовал.

Было очень много работы, но я получил от этого удовольствие и хороший experience. В курсах по машинному обучению, компьютерному зрению и блокчейну было немало проектов, которые я скорее всего добавлю себе в резюме. Еще один плюс этого: все мои последующие семестры look like a joke. В свой последний семестр я вообще могу быть part-time студентом.

По итогу семестра я получил все А, кроме LAW 201, где я получил В+ (как всегда бизнес всё портит). Это помогло мне поднять свой GPA до 3.81.

Самый классный курс был Computer Vision. Профессор которая преподавала вела самые интересные лекции которые я когда либо посещал в Lehigh. У нас было 5 programming assignments где надо было сделать image enhancement, image stitching, segmentation, objects classification с нуля на Python или MATLAB. До того как я взял этот класс, я думал что весь comp vision – это просто использование CNN. Однако, теперь вижу что есть много hand-crafted методов компьютерного зрения. В целом было интересно получить детальное представление о том, как развивалось компьютерное зрение и какие возможности есть в будущем.

На фотке, часть моего финального проекта, который помогает людям с ограниченными возможностями использовать клавиатуру с помощью eye-gaze.

Курс по машинному обучению был довольно полезным, но это не тот курс который стоит брать в Lehigh. Объяснения профессора –ужасные, и оставляют тебя более confused чем до лекции.

В целом, я научился многому через лекции Cornell профессора Killian Weinberger и MIT opencourseware. У обоих есть плейлисты лекций на YouTube, и это был самый лучший ресурс именно по фундаментам машинного обучения.

Под словом фундаменты я подразумеваю математическую часть, которую обычно не дают в популярных курсах от Andrew Ng и fast.ai. Они дают общую картину и интуитивное понимание машинного обучения. Хоть фундаменты довольно сложные, они показались мне очень интересными. Особенно SVM.

Есть много о чем рассказать, поэтому буду писать по мере возможности.

Окей, идём дальше. В принципе, про другие курсы особо рассказывать нечего. Если интересно, то задавайте вопросы.

Следующее, что было круто в этом семестре - это мои презентации по рисерчу на двух конференциях в Техасе. Они обе проходили в начале октября.

Первая - это Fast Machine Learning for Science Workshop 2022, которая проходила в Southern Methodist University Dallas, TX. Главная тема конференции - это использование машинного обучения в различных областях науки для более быстрого проведениях экспериментов и анализа данных. Это был очень humbling experience, так как я познакомился с многими крутыми исследователями и профессорами из Fermilab, Oak Ridge National Lab, CERN, Caltech, MIT и т.д.

Конференция проходила целых 4 дня, и я выступал во 2 день. Это было моё 6-ое выступление с моим проектом, и я думаю это было самое лучшее so far. После конференции я понял, что хотел бы делать PhD в будущем.

Если кому интересно, вот главная страница сообщества организовавшее конфу: https://fastmachinelearning.org

Вторая конференция была не сильно волнительная - Gulf Coast Undergraduate Research Symposium 2022 в Rice University. Я уже участвовал в ней в 2020 году, но тогда она была онлайн. Я был очень рад когда прошёл, так как отбор вроде был довольно серьезный.

Встретил много умных ребят, но чувствовал себя не в своей тарелке так как участвовал в секции Materials Science and Nanoengineering. Было прикольно, что профессоры универа относились к нам как к потенциальным студентам PhD. После презентации, один из профессоров даже предложила делать мне с ней исследование весной.

В целом мне очень понравился Хьюстон, и в особенности район Medical Center. Думаю Rice - это офигенное место для учёбы, в особенности если хочется делать research связанный с медицинской сферой.

Конечно же, отдельно спасибо тем, с кем я встретился в Хьюстоне. Классно провели время.

По приезду с Техаса, я начал догонять материал который я упустил за неделю учёбы. Профессора с пониманием относятся к пропуску пар по академическим причинам, поэтому я без проблем смог сдать midterm exams после других студентов.

В этом семестре я понял насколько важно «законнектиться» с профессорами в университете, которые вам преподают. Можно просто поинтересоваться их исследовательской деятельностью (если она есть), и через это вы можете выделиться как студент которому важны знания и вне самого курса. На самом деле так делают не многие.

Я сделал так не нацелено, а из интереса. В итоге, мне кажется, профессор стал относиться ко мне как к топ-студенту и давал поблажки.

На фотке выше: мой study desk.

Потом я съездил на Thanksgiving break со своими сёстрами в Чикаго к нашим родственникам. Город кайфовый, и очень напоминает Нью Йорк - правда намного чище и спокойнее.

Вне класса, я являюсь вице-президентом Computer Science and Business Association (CSBA) и в основном занимаюсь менторингом первокурсников и организацией ивентов.

За этот семестр я организовал где-то 4-5 ивентов для карьерного развития CS студентов Lehigh, в числе которых были мини-хакатон для первашей (он прошёл неоч), interview workshop и CS Research Opportunities Fair (на фото).

Последний был самый удачный и собрал более 60+ студентов. На самом деле небольшое количество студентов Лихая знает о разных возможностях для исследований в университете, поэтому этот ивент собрал много заинтересованных студентов. Для меня это было отличным поводом познакомиться ближе с профессорами которых я не знал.

В принципе, всё рассказал. Может еще что-нибудь прикольное покидаю позже.

Lehigh мощно строит коллаборации с казахстанскими универами. На фотке VP of International Affairs, Dean of College of Engineering, Chair of CSE Department и Assistant Vice Provost of Experiential Programs с представителями СДУ.

https://www.linkedin.com/feed/update/urn:li:activity:7010701122294136832?utm_source=share&utm_medium=member_ios

Бывает ли у вас такое что вы видите интересный, но длинный видос на YouTube или подкаст, и вам лень его слушать?

У меня такое бывает часто, поэтому мне вчера пришла идея (ну и я видел у кого-то в Тиктоке) создать автоматизированный сервис по созданию заметок для подкастов/видео.

Написал простенький скрипт, задеплоил на Streamlit. Чекайте кому надо: https://podcast-notes-gpt.streamlit.app

Вообще изначальная идея была генерировать заметки через ChatGPT, но поскольку OpenAI не имеет официального API, пришлось делать workaround через неофициальный. В итоге у меня получилось сделать эту версию работающую на localhost, но не на Streamlit. Файл называется mainChatGPT.py. Кажется проблема в Chromium, через который делается логин в ChatGPT, но который не получается запустить в headless mode. В общем, если кто знает как решить, let me know, или сделайте pull request. Вот репозиторий: https://github.com/abekek/podcast_notes_chatgpt

Ах, да, демо на Streamlit использует мой API token в OpenAI. Генерация заметок довольно дорогая, поэтому я поставил лимит на $7. Возможно скоро перестанет работать, но вы всегда можете задеплоить свою версию используя репозиторий.

В целом, кайфанул от Streamlit, можно собрать что-то дельное за несколько минут.

UPD: кажется есть баг, из-за которого заметки на видео короче 10 минут не делаются.

UPD2: bug fixed